Allan Hanbury, Co-Fondatore di contextflow – Serie di Interviste

Allan Hanbury è Professore di Intelligenza dei Dati presso il TU Wien, Austria, e Membro del Consiglio della Complexity Science Hub, dove guida la ricerca e l’innovazione per dare senso ai dati non strutturati. È l’iniziatore del progetto austriaco ICT Lighthouse, Data Market Austria, che sta creando un ecosistema di servizi di dati in Austria. È stato coordinatore scientifico del progetto integrato EU-funded Khresmoi sulla ricerca e analisi di informazioni mediche e sanitarie, ed è co-fondatore di contextflow, la società spin-off che commercializza la tecnologia di ricerca di immagini radiologiche sviluppata nel progetto Khresmoi. Ha anche coordinato il progetto EU-funded VISCERAL sulla valutazione di algoritmi su grandi dati e il progetto EU-funded KConnect sulla tecnologia per l’analisi del testo medico.

contextflow è una spin-off dell’Università Medica di Vienna e del progetto di ricerca europeo KHRESMOI. Ci può parlare del progetto KHRESMOI?

Certo! L’obiettivo di Khresmoi era sviluppare un sistema di ricerca e accesso multilingue e multimodale per le informazioni biomediche e i documenti, che richiedeva di automatizzare efficacemente il processo di estrazione delle informazioni, sviluppare interfacce utente adattive e collegare le informazioni testuali non strutturate e semi-strutturate alle immagini. In sostanza, volevamo rendere il processo di recupero delle informazioni per i professionisti sanitari affidabile, veloce, preciso e comprensibile.

Qual è il set di dati attuale che alimenta l’algoritmo di apprendimento automatico di contextflow?

I nostri dati contengono circa 8000 TC polmonari. Poiché il nostro AI è abbastanza flessibile, stiamo passando alle MRI cerebrali.

Ha notato miglioramenti nella performance dell’AI man mano che il set di dati è cresciuto?

CI viene frequentemente chiesto questo, e la risposta è probabilmente non soddisfacente per la maggior parte dei lettori. In una certa misura, sì, la qualità migliora con più scansioni, ma dopo una certa soglia, non si guadagna molto semplicemente avendo più. Quanto è sufficiente dipende da vari fattori (organo, modalità, modello di malattia, ecc.), ed è impossibile fornire un numero esatto. Ciò che è più importante è la qualità dei dati.

contextflow è progettato per tutti i casi o solo per determinare la diagnosi differenziale per casi difficili?

I radiologi sono veramente bravi nel loro lavoro. Per la maggior parte dei casi, le scoperte sono ovvie e gli strumenti esterni sono inutili. contextflow si è distinto nel mercato concentrandosi sulla ricerca generale piuttosto che sulla diagnosi automatizzata. Ci sono alcuni casi d’uso per i nostri strumenti, ma il principale è aiutare con casi difficili in cui le scoperte non sono immediatamente evidenti. Qui i radiologi devono consultare varie risorse e questo processo richiede tempo. contextflow SEARCH, il nostro motore di ricerca basato su immagini 3D, mira a ridurre il tempo che i radiologi impiegano per cercare informazioni durante l’interpretazione delle immagini, consentendo loro di cercare tramite l’immagine stessa. Poiché forniamo anche informazioni di riferimento utili per la diagnosi differenziale, la formazione di nuovi radiologi è un altro caso d’uso promettente.

Posso farci passare attraverso il processo di come un radiologo utilizzerebbe la piattaforma contextflow?

contextflow SEARCH Polmone TC è completamente integrato nel flusso di lavoro del radiologo (altrimenti non lo utilizzerebbero). Il radiologo svolge il suo lavoro come al solito e quando richiede ulteriori informazioni per un paziente specifico, seleziona semplicemente un’area di interesse in quella scansione e fa clic sull’icona contextflow nella sua postazione di lavoro per aprire il nostro sistema in una nuova finestra del browser. Da lì, riceverà casi di riferimento dal nostro database di pazienti con modelli di malattia simili a quelli del paziente che stanno valutando, oltre a statistiche e letteratura medica (ad es. radiopedia). Possono scorrere il loro paziente nel nostro sistema in modo normale, selezionando ulteriori aree per cercare ulteriori informazioni e confrontarle fianco a fianco con i casi di riferimento. Ci sono anche mappe termiche che forniscono una visualizzazione della distribuzione generale dei modelli di malattia, che aiuta con la segnalazione dei risultati. Abbiamo cercato di mettere tutto ciò che un radiologo necessita per scrivere una relazione in un unico posto e disponibile entro pochi secondi.

Questo è stato progettato inizialmente per le scansioni TC polmonari, contextflow si estenderà ad altri tipi di scansioni?

Sì! Abbiamo un elenco di organi e modalità richiesti dai radiologi che stiamo ansiosi di aggiungere. L’obiettivo finale è fornire un sistema che copra l’intero corpo umano, indipendentemente dall’organo o dal tipo di scansione.

contextflow ha ricevuto il sostegno di due incredibili programmi di incubazione INiTS e i2c TU Wien. Quanto sono stati utili questi programmi e cosa ha imparato da questo processo?

Dobbiamo molto a questi incubatori. Entrambi ci hanno collegato con mentori, consulenti e investitori che hanno sfidato il nostro modello di business e alla fine hanno chiarito il nostro chi/ perché / come. Hanno anche agito in modo molto pratico, fornendo finanziamenti e spazi per uffici in modo che potessimo realmente concentrarci sul lavoro e non preoccuparci troppo di argomenti amministrativi. Non saremmo potuti arrivare così lontano senza il loro sostegno. L’ecosistema delle startup austriache è ancora piccolo, ma ci sono programmi là fuori per aiutare a portare idee innovative a compimento.

È anche l’iniziatore del progetto austriaco ICT Lighthouse, che mira a costruire un ecosistema di servizi di dati sostenibile in Austria. Ci può parlare di più di questo progetto e del suo ruolo in esso?

La quantità di dati prodotti quotidianamente cresce esponenzialmente e la loro importanza per la maggior parte delle industrie sta anche esplodendo… è veramente una delle risorse più importanti del mondo! Il progetto Data Market Austria’s Lighthouse mira a sviluppare o riformare i requisiti per aziende guidate dai dati di successo, garantendo bassi costi, alta qualità e interoperabilità. Ho coordinato il progetto per il primo anno nel 2016-2017. Ciò ha portato alla creazione di Data Intelligence Offensive dove sono nel consiglio di amministrazione. La missione di DIO è scambiare informazioni e know-how tra i membri riguardo alla gestione e alla sicurezza dei dati.

C’è qualcos’altro che vorrebbe condividere con i nostri lettori su contextflow?  

I flussi di lavoro radiologici non sono nella mente del cittadino medio e dovrebbe essere così. Il sistema dovrebbe semplicemente funzionare. Purtroppo, una volta che si diventa un paziente, si rende conto che non è sempre il caso. contextflow sta lavorando per trasformare quel processo sia per i radiologi che per i pazienti. Potete aspettarvi molti sviluppi emozionanti da noi negli anni a venire, quindi restate sintonizzati! Per favore, visitate contextflow per saperne di più.